Methoden Seite an Seite ansehen.
Wähle bis zu vier Methoden. Ergänze sie über die Suche und teile den Vergleich über seinen Link.
| Kriterium |  Knowledge Modeling Shape-First Modeling |  Growth A/B Testing |  Product Discovery Hypothesis Prioritization Canvas |  Product Discovery Experiment Canvas |
|---|---|---|---|---|
Zweckunterschiedlich | Shape-First Modeling definiert Datenqualität über Shapes, bevor Implementierung oder Integration ausfranst. Der Ansatz passt, wenn Validierung und Data Contracts von Anfang an Teil des Designs sein sollen. | Wenn zwei Varianten gegeneinander stehen, entscheiden Diskussionen schnell nach Geschmack statt nach Wirkung. A/B Testing prüft Verhalten unter kontrollierten Bedingungen und trennt echte Verbesserung von Zufall oder Erwartungseffekt. | Wenn viele Hypothesen konkurrieren, bringt sie Ordnung in Lernreihenfolge und Bedeutung. Sie zeigt, was zuerst getestet werden sollte und warum die Reihenfolge zählt. | Wenn Experimente später nicht mehr lesbar sind, ordnet sie Hypothese, Signal und Lernziel auf einer Fläche. Sie schafft Klarheit darüber, was ein Test wirklich beweisen soll. |
Komplexitätunterschiedlich | Mittel | Hoch | Mittel | Niedrig |
Zeitunterschiedlich | Halber Tag pro Domain Slice | 1-4 Wochen | 60-90 min | 30-60 min |
Teilnehmendeunterschiedlich | 1-4 | 1-6 | 3-8 | 1-5 |
Formatunterschiedlich | Workshop + Async | Async | Workshop | Workshop + Async |
Outputunterschiedlich | SHACL or ShEx Shapes, Validation Reports, Data Contracts, Shape Documentation | Experiment Result, Decision Log, Learning Summary | Priorisierungs-Canvas, Hypothesen-Backlog | Ausgefülltes Experiment Canvas, Erfolgsmetrik |
Tagskeine Überschneidung | WissensgraphValidierungSemantik | ExperimenteGrowthAnalyticsValidierung | ExperimentePriorisierungDiscoveryHypothese | ExperimenteValidierungDiscoveryHypothese |